Recientemente estamos observando proyectos de clientes que usan Machine Learning federado (ML). Tradicionalmente el entrenamiento de modelos de ML ha requerido que los datos se coloquen en una ubicación centralizada donde ejecutar el correspondiente algoritmo de entrenamiento. Esto es problemático desde el punto de vista de la privacidad, especialmente cuando los datos de entrenamiento contienen información confidencial o de identificación personal. Los usuarios pueden ser reacios a compartir datos o la legislación local de protección de datos nos puede impedir moverlos a una ubicación centralizada. El ML federado es una técnica descentralizada para entrenar un conjunto grande y diverso de datos que permite que éstos permanezcan remotos, por ejemplo, en el dispositivo de un usuario. El ancho de banda de la red y las limitaciones computacionales de los dispositivos aún presentan desafíos técnicos significativos, pero nos gusta la forma en que el ML federado deja a los usuarios en control de su propia información personal.
El entrenamiento de los modelos generalmente requiere recolectar los datos desde su fuente y transportarlos a una localización centralizada donde corre el algoritmo de entrenamiento.Esto se vuelve particularmente problemático cuando los datos utilizados para el entrenamiento consisten en información personal identificable. Nos incentiva el auge del aprendizaje federado como un método de entrenamiento para diversos sets de datos que permite preservar la privacidad. Las técnicas utilizadas en el aprendizaje federado permiten que los datos permanezcan en el dispositivo del usuario y bajo su control, contribuyendo igualmente con una colección de datos para el entrenamiento de modelos. Para eso, el dispositivo actualiza un modelo independientemente; luego los parámetros del modelo, en lugar de los datos, son combinados en una vista centralizada. El ancho de banda y las limitaciones computacionales del dispositivo representan retos técnicos significativos, pero nos gusta como el aprendizaje federado deja al usuario en control de su propia información personal.
